COVID-19-analysis
Hubert Krzyżanowski
12 11 2020
org_df <- read_excel("wuhan_blood_sample_data_Jan_Feb_2020.xlsx")Data cleaning
The following steps were undertaken to clean the original dataset:- replace the gender values, from numeric (1, 2) to factor (male, female),
- replace the outcome values, from numeric (0,1) to factor (survived, died),
- unification of column name from ‘Admission time’ to admission_time,
- unification of column name from ‘Discharge time’ to discharge_time,
- replace NA values in PATIENT_ID with suitable id (done in next chapter).
df <- org_df %>%
mutate(gender = as.factor(ifelse(gender==1, "male", "female"))) %>%
mutate(outcome = as.factor(ifelse(outcome == 0, "survived", "died"))) %>%
rename(admission_time = 'Admission time',
discharge_time = 'Discharge time')The dataset was split into two dataframes in order to make data analysis easier.
Patients
One additional column was created to store the hospitalization time of all patients - used in further analysis to check the relation between length stay and outcome.
patients <- df %>%
select(PATIENT_ID, age, gender, admission_time, discharge_time, outcome) %>%
drop_na(PATIENT_ID) %>%
mutate("hospitalization_length" = round((difftime(discharge_time, admission_time, units = "days") ), digits = 2)) %>%
relocate(hospitalization_length, .after = discharge_time)
head(patients) %>%
kbl() %>%
kable_paper("hover")| PATIENT_ID | age | gender | admission_time | discharge_time | hospitalization_length | outcome |
|---|---|---|---|---|---|---|
| 1 | 73 | male | 2020-01-30 22:12:47 | 2020-02-17 12:40:09 | 17.60 days | survived |
| 2 | 61 | male | 2020-02-04 21:39:03 | 2020-02-19 12:59:01 | 14.64 days | survived |
| 3 | 70 | female | 2020-01-23 10:59:36 | 2020-02-08 17:52:31 | 16.29 days | survived |
| 4 | 74 | male | 2020-01-31 23:03:59 | 2020-02-18 12:59:12 | 17.58 days | survived |
| 5 | 29 | female | 2020-02-01 20:59:54 | 2020-02-18 10:33:06 | 16.56 days | survived |
| 6 | 81 | female | 2020-01-24 10:47:10 | 2020-02-07 09:06:58 | 13.93 days | survived |
Blood tests
blood_tests_df <- df %>%
select(-c(admission_time, discharge_time)) %>%
fill(PATIENT_ID)
blood_tests_df %>% select (-PATIENT_ID) %>%
tbl_summary(by = outcome, missing = "no", statistic = list(all_continuous() ~ "{mean} ({sd})")) %>%
modify_header(label = "**Variable**")## Column(s) 'RE_DATE' omitted from output.
## Accepted classes are 'character', 'factor', 'numeric', 'logical', 'integer', or 'difftime'.| Variable | died, N = 2,9051 | survived, N = 3,2151 |
|---|---|---|
| age | 70 (11) | 50 (15) |
| gender | ||
| female | 751 (26%) | 1,639 (51%) |
| male | 2,154 (74%) | 1,576 (49%) |
| Hypersensitive cardiac troponinI | 1,856 (6,568) | 12 (49) |
| hemoglobin | 122 (24) | 124 (24) |
| Serum chloride | 106 (10) | 101 (4) |
| Prothrombin time | 19.0 (12.1) | 13.7 (0.9) |
| procalcitonin | 2.17 (6.51) | 0.09 (0.29) |
| eosinophils(%) | 0.15 (0.38) | 1.07 (1.29) |
| Interleukin 2 receptor | 1,383 (1,020) | 620 (388) |
| Alkaline phosphatase | 99 (51) | 66 (35) |
| albumin | 28 (5) | 36 (4) |
| basophil(%) | 0.15 (0.14) | 0.27 (0.25) |
| Interleukin 10 | 30 (111) | 8 (5) |
| Total bilirubin | 24 (36) | 10 (5) |
| Platelet count | 126 (87) | 239 (88) |
| monocytes(%) | 3.9 (3.2) | 8.3 (3.6) |
| antithrombin | 81 (19) | 95 (13) |
| Interleukin 8 | 186 (893) | 21 (36) |
| indirect bilirubin | 8.0 (9.2) | 5.8 (3.4) |
| Red blood cell distribution width | 13.75 (2.04) | 12.42 (0.99) |
| neutrophils(%) | 90 (8) | 66 (14) |
| total protein | 62 (8) | 69 (5) |
| Quantification of Treponema pallidum antibodies | 0.19 (1.08) | 0.09 (0.33) |
| Prothrombin activity | 66 (20) | 95 (12) |
| HBsAg | 15.31 (58.32) | 2.28 (20.93) |
| mean corpuscular volume | 91.4 (7.3) | 89.5 (5.5) |
| hematocrit | 36.0 (6.2) | 37.1 (4.3) |
| White blood cell count | 16 (32) | 16 (87) |
| Tumor necrosis factorα | 17 (20) | 8 (4) |
| mean corpuscular hemoglobin concentration | 342 (19) | 344 (16) |
| fibrinogen | 4.14 (2.22) | 4.51 (1.29) |
| Interleukin 1β | 7.1 (9.3) | 6.2 (5.2) |
| Urea | 14 (11) | 5 (4) |
| lymphocyte count | 0.53 (0.34) | 1.47 (2.77) |
| PH value | 6.55 (0.81) | 6.43 (0.64) |
| Red blood cell count | 12.4 (46.7) | 6.7 (24.3) |
| Eosinophil count | 0.02 (0.05) | 0.06 (0.07) |
| Corrected calcium | 2.35 (0.14) | 2.36 (0.12) |
| Serum potassium | 4.71 (1.02) | 4.29 (0.55) |
| glucose | 11.0 (6.0) | 6.9 (3.3) |
| neutrophils count | 11.6 (6.4) | 4.3 (2.7) |
| Direct bilirubin | 16 (29) | 4 (2) |
| Mean platelet volume | 11.47 (1.11) | 10.48 (0.86) |
| ferritin | 2,876 (5,672) | 635 (552) |
| RBC distribution width SD | 44.9 (7.5) | 40.0 (3.5) |
| Thrombin time | 19.38 (11.50) | 16.52 (1.33) |
| (%)lymphocyte | 6 (5) | 24 (11) |
| HCV antibody quantification | 0.16 (0.32) | 0.08 (0.10) |
| D-D dimer | 13 (9) | 1 (3) |
| Total cholesterol | 3.36 (0.96) | 4.00 (0.90) |
| aspartate aminotransferase | 69 (143) | 25 (15) |
| Uric acid | 293 (189) | 259 (97) |
| HCO3- | 21.7 (5.0) | 24.7 (3.0) |
| calcium | 1.99 (0.15) | 2.17 (0.11) |
| Amino-terminal brain natriuretic peptide precursor(NT-proBNP) | 5,037 (10,809) | 874 (6,004) |
| Lactate dehydrogenase | 707 (400) | 247 (95) |
| platelet large cell ratio | 36 (9) | 28 (7) |
| Interleukin 6 | 270 (865) | 21 (36) |
| Fibrin degradation products | 90 (64) | 6 (13) |
| monocytes count | 0.43 (0.32) | 0.61 (2.33) |
| PLT distribution width | 14.32 (3.17) | 12.01 (1.95) |
| globulin | 34.2 (6.1) | 32.3 (4.7) |
| γ-glutamyl transpeptidase | 71 (81) | 40 (52) |
| International standard ratio | 1.52 (1.03) | 1.04 (0.08) |
| basophil count(#) | 0.019 (0.018) | 0.015 (0.016) |
| 2019-nCoV nucleic acid detection | ||
| -1 | 57 (100%) | 444 (100%) |
| mean corpuscular hemoglobin | 31.24 (3.10) | 30.77 (2.70) |
| Activation of partial thromboplastin time | 43 (14) | 39 (6) |
| High sensitivity C-reactive protein | 131 (79) | 25 (38) |
| HIV antibody quantification | 0.10 (0.05) | 0.10 (0.03) |
| serum sodium | 144 (9) | 139 (3) |
| thrombocytocrit | 0.16 (0.08) | 0.25 (0.08) |
| ESR | 39 (27) | 30 (22) |
| glutamic-pyruvic transaminase | 47 (116) | 31 (28) |
| eGFR | 66 (31) | 97 (24) |
| creatinine | 133 (121) | 87 (143) |
|
1
Statistics presented: Mean (SD); n (%)
|
||
ggplot(patients, aes(x = gender, fill = gender)) +
geom_bar() +
labs(title= "Numer of patients per gender hospitilized in Tongji Hospital (Wuhan) ",
subtitle = "between 10 January and 18 February 2020",
y = "Number of patients",
x = "Gender")
Visualization
Patients grouped by gender
patients_hist <- ggplot(patients, aes(x = age, fill = gender)) +
geom_histogram(stat = "count",
binwidth = 1.2)+
labs(y = "Number of patients",
x = "Age") +
scale_x_continuous(breaks=seq(20, 100, 5))## Warning: Ignoring unknown parameters: binwidth, bins, padggplotly(patients_hist) Outcome grouped by gender, age
patients_outcome <- ggplot(patients, aes(x = age, fill = outcome)) +
geom_histogram(binwidth = 1.2) +
facet_grid(~ gender) +
scale_y_continuous(breaks=seq(0, 20, 2)) +
scale_x_continuous(breaks=seq(20, 100, 5)) + ylab("Number of cases")
ggplotly(patients_outcome)Outcome due to hospitalization length grouped by gender
ggplot(patients, aes(x = hospitalization_length, fill = outcome)) +
geom_histogram(binwidth = 1.2) +
facet_grid(outcome ~ gender) +
scale_y_continuous(breaks=seq(0, 20, 2)) +
scale_x_continuous(breaks=seq(0, 40, 5)) +
labs(y = "Number of patients",
x = "Hospitalization length [days]")
Outcome animation over time
# plot_anim <- patients %>% filter(gender == "male") %>% arrange(admission_time) %>% select(-c(discharge_time, hospitalization_length, PATIENT_ID)) %>% ggplot(aes(x = age, fill = outcome)) + geom_histogram()
#
# anim <- plot_anim + transition_null() + enter_fade()
#
# animRelation between outcome dead and biomarker
Może wykres facet outcome w zaleznosci od
outcome_died <- blood_tests_df %>% filter(outcome == "died")Classification problem
blood_cut <- blood_tests_df %>% select(-c(2:6)) %>% filter(PATIENT_ID == 1) %>% kbl()## Warning in do.call(data.frame, c(x, alis)): unable to translate 'Tumor necrosis
## factor<U+03B1>' to native encoding## Warning in do.call(data.frame, c(x, alis)): unable to translate '<U+03B3>-
## glutamyl transpeptidase' to native encodingblood_cut| PATIENT_ID | hemoglobin | Serum chloride | Prothrombin time | procalcitonin | eosinophils(%) | Interleukin 2 receptor | Alkaline phosphatase | albumin | basophil(%) | Interleukin 10 | Total bilirubin | Platelet count | monocytes(%) | antithrombin | Interleukin 8 | indirect bilirubin | Red blood cell distribution width | neutrophils(%) | total protein | Quantification of Treponema pallidum antibodies | Prothrombin activity | HBsAg | mean corpuscular volume | hematocrit | White blood cell count | Tumor necrosis factorα | mean corpuscular hemoglobin concentration | fibrinogen | Interleukin 1β | Urea | lymphocyte count | PH value | Red blood cell count | Eosinophil count | Corrected calcium | Serum potassium | glucose | neutrophils count | Direct bilirubin | Mean platelet volume | ferritin | RBC distribution width SD | Thrombin time | (%)lymphocyte | HCV antibody quantification | D-D dimer | Total cholesterol | aspartate aminotransferase | Uric acid | HCO3- | calcium | Amino-terminal brain natriuretic peptide precursor(NT-proBNP) | Lactate dehydrogenase | platelet large cell ratio | Interleukin 6 | Fibrin degradation products | monocytes count | PLT distribution width | globulin | γ-glutamyl transpeptidase | International standard ratio | basophil count(#) | 2019-nCoV nucleic acid detection | mean corpuscular hemoglobin | Activation of partial thromboplastin time | High sensitivity C-reactive protein | HIV antibody quantification | serum sodium | thrombocytocrit | ESR | glutamic-pyruvic transaminase | eGFR | creatinine |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 7.415 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1 | 136 | NA | NA | NA | 0.6 | NA | NA | NA | 0.3 | NA | NA | 105 | 10.7 | NA | NA | NA | 11.9 | 65.8 | NA | NA | NA | NA | 91.8 | 39.2 | 3.54 | NA | 347 | NA | NA | NA | 0.80 | NA | 4.27 | 0.02 | NA | NA | NA | 2.33 | NA | 11.9 | NA | 40.8 | NA | 22.6 | NA | NA | NA | NA | NA | NA | NA | NA | NA | 39.9 | NA | NA | 0.38 | 16.3 | NA | NA | NA | 0.01 | NA | 31.9 | NA | NA | NA | NA | 0.12 | NA | NA | NA | NA |
| 1 | NA | 103.1 | NA | NA | NA | NA | 46 | 33.3 | NA | NA | 8.3 | NA | NA | NA | NA | 4.3 | NA | NA | 69.3 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 8.5 | NA | NA | NA | NA | 2.29 | 4.33 | NA | NA | 4.0 | NA | NA | NA | NA | NA | NA | NA | 3.90 | 33 | 418 | 21.2 | 2.02 | NA | 306 | NA | NA | NA | NA | NA | 36.0 | 24 | NA | NA | NA | NA | NA | 43.1 | NA | 137.7 | NA | NA | 16 | 46.6 | 130 |
| 1 | NA | NA | 13.9 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 91 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 2.20 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 1.06 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1 | NA | NA | NA | 0.09 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 7.35 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 60 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 41 | NA | NA | NA |
| 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 0.05 | NA | 0.03 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 0.06 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 0.09 | NA | NA | NA | NA | NA | NA |
| 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 3.60 | NA | NA | NA | NA | NA | NA | 6.000 | 1.60 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | -1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1 | 140 | NA | NA | NA | 0.3 | NA | NA | NA | 0.1 | NA | NA | 214 | 7.2 | NA | NA | NA | 11.6 | 66.5 | NA | NA | NA | NA | 91.1 | 39.7 | 6.90 | NA | 353 | NA | NA | NA | 1.79 | NA | 4.36 | 0.02 | NA | NA | NA | 4.58 | NA | 10.9 | NA | 39.0 | NA | 25.9 | NA | NA | NA | NA | NA | NA | NA | NA | NA | 32.1 | NA | NA | 0.50 | 12.6 | NA | NA | NA | 0.01 | NA | 32.1 | NA | NA | NA | NA | 0.23 | NA | NA | NA | NA |
| 1 | NA | 101.4 | NA | NA | NA | NA | 54 | 33.2 | NA | NA | 7.4 | NA | NA | NA | NA | 4.5 | NA | NA | 67.9 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 5.0 | NA | NA | NA | NA | 2.53 | 4.73 | 5.92 | NA | 2.9 | NA | NA | NA | NA | NA | NA | NA | 3.81 | 35 | 281 | 26.7 | 2.25 | NA | 250 | NA | NA | NA | NA | NA | 34.7 | 31 | NA | NA | NA | NA | NA | 3.6 | NA | 142.9 | NA | NA | 42 | 72.7 | 90 |
| 1 | 130 | NA | NA | NA | 0.2 | NA | NA | NA | 0.1 | NA | NA | 168 | 4.9 | NA | NA | NA | 11.9 | 84.3 | NA | NA | NA | NA | 92.7 | 38.0 | 12.58 | NA | 342 | NA | NA | NA | 1.32 | NA | 4.10 | 0.02 | NA | NA | NA | 10.61 | NA | 10.5 | NA | 40.5 | NA | 10.5 | NA | NA | NA | NA | NA | NA | NA | NA | NA | 29.3 | NA | NA | 0.62 | 11.9 | NA | NA | NA | 0.01 | NA | 31.7 | NA | NA | NA | NA | 0.18 | NA | NA | NA | NA |
| 1 | NA | NA | 14.1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 89 | NA | NA | NA | NA | NA | NA | 3.28 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 19.2 | NA | NA | 0.66 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 1.08 | NA | NA | NA | 37.9 | NA | NA | NA | NA | NA | NA | NA | NA |
| 1 | NA | 98.5 | NA | NA | NA | NA | 57 | 32.4 | NA | NA | 16.6 | NA | NA | NA | NA | 11.1 | NA | NA | 62.2 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 7.6 | NA | NA | NA | NA | 2.33 | 4.21 | 17.18 | NA | 5.5 | NA | NA | NA | NA | NA | NA | NA | 3.65 | 16 | 379 | 25.6 | 2.04 | NA | 200 | NA | NA | NA | NA | NA | 29.8 | 27 | NA | NA | NA | NA | NA | NA | NA | 139.4 | NA | NA | 29 | 64.8 | 99 |
| 1 | 129 | NA | NA | NA | 1.1 | NA | NA | NA | 0.3 | NA | NA | 143 | 9.0 | NA | NA | NA | 11.9 | 60.9 | NA | NA | NA | NA | 93.2 | 36.9 | 9.05 | NA | 350 | NA | NA | NA | 2.60 | NA | 3.96 | 0.10 | NA | NA | NA | 5.51 | NA | 11.5 | NA | 40.7 | NA | 28.7 | NA | NA | NA | NA | NA | NA | NA | NA | NA | 37.2 | NA | NA | 0.81 | 14.9 | NA | NA | NA | 0.03 | NA | 32.6 | NA | NA | NA | NA | 0.16 | NA | NA | NA | NA |
| 1 | NA | 98.1 | NA | NA | NA | NA | 61 | 35.9 | NA | NA | 9.6 | NA | NA | NA | NA | 6.0 | NA | NA | 67.2 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 6.9 | NA | NA | NA | NA | 2.47 | 4.61 | NA | NA | 3.6 | NA | NA | NA | NA | NA | NA | NA | 4.62 | 21 | 388 | 31.0 | 2.25 | NA | 198 | NA | NA | NA | NA | NA | 31.3 | 42 | NA | NA | NA | NA | NA | 2.6 | NA | 140.0 | NA | NA | 29 | 74.7 | 88 |
| 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 6.44 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | -1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | -1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1 | 131 | NA | NA | NA | 1.7 | NA | NA | NA | 0.2 | NA | NA | 141 | 7.9 | NA | NA | NA | 11.9 | 64.3 | NA | NA | NA | NA | 93.8 | 38.0 | 9.67 | NA | 345 | NA | NA | NA | 2.50 | NA | 4.05 | 0.16 | NA | NA | NA | 6.23 | NA | 11.3 | NA | 41.5 | NA | 25.9 | NA | NA | NA | NA | NA | NA | NA | NA | NA | 36.9 | NA | NA | 0.76 | 14.3 | NA | NA | NA | 0.02 | NA | 32.3 | NA | NA | NA | NA | 0.16 | NA | NA | NA | NA |
| 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 6.75 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1 | NA | 100.0 | NA | NA | NA | NA | 71 | 37.6 | NA | NA | 6.3 | NA | NA | NA | NA | 3.7 | NA | NA | 67.7 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 6.5 | NA | NA | NA | NA | 2.44 | 5.15 | NA | NA | 2.6 | NA | 634.9 | NA | NA | NA | NA | NA | 4.84 | 23 | 376 | 28.0 | 2.25 | NA | 206 | NA | NA | NA | NA | NA | 30.1 | 41 | NA | NA | NA | NA | NA | NA | NA | 142.7 | NA | NA | 30 | 74.7 | 88 |
| 1 | NA | NA | 12.4 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 115 | NA | NA | NA | NA | NA | NA | 3.16 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 16.3 | NA | NA | 0.92 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | 0.92 | NA | NA | NA | 38.9 | NA | NA | NA | NA | NA | NA | NA | NA |
| 1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | -1 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
# new_DF <- blood_cut[rowSums(is.na(blood_cut)) > 0,]
#
# new_DF